🤖 Category

cs.LG

24939 पेपर

🤖 machine learning

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation

यह शोध पत्र PFN-NPE को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो सिमुलेशन-आधारित बेयसियन अनुमान (Bayesian inference) के लिए प्री-ट्रेंड TabPFN मॉडल का एक बहुमुखी, मॉड्यूलर सारांश नेटवर्क के रूप में लाभ उठाता है, जो विविध सेटिंग्स में पोस्टीरियर वितरणों (posterior distributions) का प्रभावी ढंग से सन्निकटन करने की अपनी क्षमता का प्रदर्शन करता है और साथ ही मार्जिनल रिकवरी (marginal recovery) में अपनी खूबियों और संयुक्त पोस्टीरियर संरचनाओं (joint posterior structures) को पकड़ने में अपनी सीमाओं को भी रेखांकित करता है।

Elliot Pickens, Chiraag Gohel, Sidharth Satya2026-05-11
📊 statistics

POETS: Uncertainty-Aware LLM Optimization via Compute-Efficient Policy Ensembles

यह शोध पत्र POETS को पेश करता है, जो एक कंप्यूट-कुशल ढांचा है जो वैज्ञानिक खोज और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) कार्यों में अनिश्चितता-जागरूक थॉमसन सैंपलिंग करने के लिए साझा बैकबोन और स्वतंत्र LoRA शाखाओं के साथ पॉलिसी एंसेम्बल्स का लाभ उठाता है, जिससे अभूतपूर्व सैंपल दक्षता प्राप्त होती है।

Nicolas Menet, Andreas Krause, Abbas Rahimi2026-05-11
💬 NLP

Tracing Uncertainty in Language Model "Reasoning"

यह शोध पत्र भाषा मॉडल के तर्क संबंधी निशानों (reasoning traces) के अनिश्चितता प्रोफाइल को परिमाणित और विश्लेषण करने की एक विधि प्रस्तुत करता है, जो यह प्रदर्शित करता है कि इन प्रोफाइलों में विशिष्ट पैटर्न उच्च सटीकता के साथ उत्तर की शुद्धता का पूर्वानुमान लगा सकते हैं और त्रुटि का शीघ्र पता लगाने में सक्षम हैं।

Nils Grünefeld, Bertram Højer, Philipp Mondorf, Barbara Plank, Anna Rogers, Christian Hardmeier, Stefan Heinrich, Jes Fr (…)2026-05-11
🤖 machine learning

Spectral Surgery: Class-Targeted Post-Hoc Rebalancing via Hessian Spike Perturbation

यह शोध पत्र "स्पेक्ट्रल सर्जरी" (Spectral Surgery) को प्रस्तुत करता है, जो एक पोस्ट-हॉक अनुकूलन तकनीक है जो बिना पुन: प्रशिक्षण के प्रति-वर्ग सटीकता को संतुलित करने के लिए हेसियन स्पाइक आइजनवेक्टर्स (Hessian spike eigenvectors) के साथ मॉडल वेट्स को सीधे विचलित करके असंतुलित डेटासेट पर वर्गीकरण प्रदर्शन में सुधार करती है।

Hugo Vigna, Samuel Bontemps2026-05-11
⚛️ nuclear theory

Neural Operators as Efficient Function Interpolators

यह शोध पत्र एक सहायक बेस-स्पेस (auxiliary base-space) को पेश करके न्यूरल ऑपरेटर्स को कुशल फंक्शन इंटरपोलेटर्स के रूप में पुनर्गठित करता है, और विश्लेषणात्मक बेंचमार्क तथा एक न्यूक्लियर मास मॉडल अनुप्रयोग के माध्यम से यह प्रदर्शित करता है कि वे मानक न्यूरल नेटवर्क की तुलना में काफी कम मापदंडों और तेज़ प्रशिक्षण समय के साथ अत्याधुनिक सटीकता प्राप्त करते हैं।

Vasilis Niarchos, Angelos Sirbu, Sokratis Trifinopoulos2026-05-11
🤖 machine learning

Toward Privileged Foundation Models:LUPI for Accelerated and Improved Learning

यह शोध पत्र PIQL को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो अभिसरण (convergence) को गति देने, सामान्यीकरण (generalization) में सुधार करने और टैबुलर फाउंडेशन मॉडल्स के लिए कम्प्यूटेशनल आवश्यकताओं को कम करने के लिए विशेषाधिकार प्राप्त सूचनाओं—जैसे कि डेटासेट सांख्यिकी और डेटा-जनरेटिंग प्रोग्राम एनकोडिंग—का लाभ उठाता है।

Xueying Ding, Leman Akoglu2026-05-11
🤖 AI

Text-to-CAD Evaluation with CADTests

यह शोध पत्र CADTestBench प्रस्तुत करता है, जो Text-to-CAD के लिए पहला टेस्ट-आधारित बेंचमार्क है जो CAD मॉडल के निर्माण का कठोरता से मूल्यांकन करने और उसे निर्देशित करने के लिए निष्पादन योग्य सॉफ्टवेयर परीक्षणों (executable software tests) का उपयोग करता है, और यह प्रदर्शित करता है कि यह दृष्टिकोण मौजूदा पद्धतियों के प्रदर्शन को पीछे छोड़ सकता है।

Dimitrios Mallis, Marco Wang, Ahmet Serdar Karadeniz, Elisa Ricci, Anis Kacem, Djamila Aouada2026-05-11
🤖 machine learning

GRASP -- Graph-Based Anomaly Detection Through Self-Supervised Classification

GRASP एक स्व-पर्यवेक्षित (self-supervised), ग्राफ-आधारित प्रोवेनेंस घुसपैठ पहचान प्रणाली है जो पूर्व-निर्धारित थ्रेशोल्ड पर निर्भर किए बिना विसंगतियों की पहचान करने के लिए प्रोसेस एक्जीक्यूटेबल जानकारी को मास्क और पुनर्गठित करती है, जिससे ज्ञात और अज्ञात दोनों उन्नत निरंतर खतरों (Advanced Persistent Threats) का सुदृढ़ पता लगाना संभव होता है।

Robin Buchta, Carsten Kleiner, Felix Heine, Gabi Dreo Rodosek2026-05-11
💬 NLP

OrScale: Orthogonalised Optimization with Layer-Wise Trust-Ratio Scaling

OrScale एक लेयर-वाइज ट्रस्ट-रेश्यो स्केलिंग मैकेनिज्म पेश करता है जो ऑर्थोगोनालाइज़्ड ऑप्टिमाइज़ेशन के लिए वास्तविक पैरामीटर-स्पेस अपडेट दिशा को मापता है ताकि मौजूदा Muon हाइब्रिड्स की सीमाओं को दूर किया जा सके, जिससे इमेज क्लासिफिकेशन और लार्ज लैंग्वेज मॉडल प्री-ट्रेनिंग कार्यों पर बेहतर कन्वर्जेंस गारंटी और एम्पिरिकल प्रदर्शन प्राप्त होता है।

Yuxuan Lou, Yang You2026-05-11
🤖 machine learning

Scaling Categorical Flow Maps

यह शोध पत्र केवल चार चरणों में उच्च गुणवत्ता वाला टेक्स्ट उत्पन्न करने के लिए 2.1T टोकन पर एक 1.7B-पैरामीटर वाले मॉडल को प्रशिक्षित करके कैटेगोरिकल फ्लो मैप्स (Categorical Flow Maps) की स्केलेबिलिटी को प्रदर्शित करता है, साथ ही मूल्यांकन के लिए एक लाइकलीहुड बाउंड (likelihood bound) स्थापित करता है और लॉस वेटिंग (loss weighting) तथा टाइम शेड्यूलिंग (time scheduling) जैसी प्रशिक्षण चुनौतियों में मुख्य अंतर्दृष्टि प्रदान करता है।

Oscar Davis, Anastasiia Filippova, Pierre Ablin, Victor Turrisi, Amitis Shidani, Marco Cuturi, Louis Béthune2026-05-11